conv-neural-network

    2熱度

    1回答

    我想使用張量流作爲udacity深度學習過程的一部分來實現旋轉不變卷積層。 我嘗試下面的方法,但它並沒有因爲我得到以下錯誤: grad_ys, name, colocate_gradients_with_ops, gate_gradients, aggregation_method) 424 raise LookupError( 425 "No gradient d

    9熱度

    1回答

    ,當我得到以下錯誤 ValueError: Tensor conversion requested dtype float32 for Tensor with dtype int32: 'Tensor("Placeholder_1:0", shape=TensorShape([Dimension(128), Dimension(2)]), dtype=int32)' ,當我試圖計算交叉熵損失

    2熱度

    1回答

    : https://www.tensorflow.org/versions/v0.6.0/tutorials/mnist/pros/index.html#deep-mnist-for-experts 哪裏32作爲在MNIST從未來CNN的第一層功能是多少? 64作爲第二層功能的數量來自哪裏?

    0熱度

    1回答

    這將是漫長而難以預先描述的道歉。 我有一個常規的CNN網絡,在它上面有標準的MLP圖層。在MLP之上,我也有softmax層,但是,與傳統網絡不同,它不完全連接到下面的MLP,它由子組構成。 爲了進一步描述SOFTMAX,它看起來像這樣: Neur1A Neur2A ... NeurNA Neur1B Neur2B ... NeurNB Neur1C Neur2C ...NeurNC

    2熱度

    1回答

    在卷積模塊中,許多參數可能會改變輸入的維數。有什麼辦法可以獲得卷積模塊輸出的維度,還是一般的任何模塊? 我試着看看在SpatialConvolution中暴露的方法,但沒有任何建議給我提供這些信息。 此外,輸出張量似乎有這些方面: conv1 = nn.SpatialConvolution(3, 96, 5, 5, 1, 1, 2, 2) conv1.id = 'conv1' print(co

    16熱度

    1回答

    TL.DR. theano.tensor.nnet.neighbours.images2neibs有三維友好的實現嗎? 我想使用一個神經網絡進行體積(NxNxN)的體素分類,該神經網絡需要一個nxnxn圖像,其中N> n。爲了對體積中的每個體素進行分類,我必須遍歷每個體素。對於每個迭代,我獲得並傳遞鄰域體素作爲神經網絡的輸入。這只是一個滑動窗口操作,其操作是神經網絡。 雖然我的神經網絡在Thean

    1熱度

    2回答

    我很困惑。是否可以在句子中找到主詞或子串(在訓練集的幫助下)。我正在解析空缺職位,並嘗試構建一個可以解決文本中提到的技能的文本主題應用程序。是的,也許這是用技能字典進行某種全球文本搜索的任務,但我真的很好奇,NN可以幫助嗎?如你所說,我是ML的新手。

    4熱度

    1回答

    任務是獲取pretrained cnn inceptionv3模型的每層輸出。 例如,我向這個網絡提供一個圖像,我不僅要獲得它的輸出,還要獲得每個圖層的輸出(逐層)。 爲了做到這一點,我必須知道每個圖層輸出的名稱。這是很容易爲去年和前最後一層做: sess.graph.get_tensor_by_name('pool_3:0') sess.graph.get_tensor_by_name('so

    0熱度

    1回答

    我試圖實現一個是由兩層構成,以段對象候補中keras模型 因此,基本上該模型具有以下結構 圖片(信道,寬度,高度) - >多個卷積和集中layers->輸出(「n」個特徵映射,高度寬度) 現在這個單輸出正在使用兩層 ,其是如下 1)卷積(1 * 1) - >具有m個單位的密集層(輸出= n * 1 * 1) - >像素使用H *的完全連接層瓦特dimesion分類 - > upsmapling到(

    3熱度

    1回答

    我想在我的卷積神經網絡中實現批量標準化(http://arxiv.org/pdf/1502.03167.pdf),但我真的很困惑,因爲我應該計算平均值和方差。 如果到conv-layer的輸入形狀爲3 * 224 * 224 * 32 其中: 3-輸入通道。 224 * 224-形狀單通道的 32 minibatch大小 應該是軸什麼下述式 平均數= numpy.mean(input_layer,